약 8년 전, 코드네임즈 게임을 하던 중 우리 팀 차례에 남은 단어를 모두 맞히지 못하면 거의 확실히 질 것 같은 상황이 있었습니다. 주어진 힌트만으로는 그걸 해낼 수가 없었죠. 원래 이 게임은 단어 힌트를 바탕으로 단어를 맞히는 게임인데, 한 팀원이 이미 맞춰진 단어들의 물리적 배치를 보면 우리가 고민하던 경우의 수가 대부분 ‘너무 이상한’ 패턴이 된다며 마지막 단어는 위치를 보고 골라야 한다고 제안했습니다. 그 말이 통했고 우리는 이겼습니다.

그 이후로 줄곧 궁금했습니다. 게임에 들어 있는 40장의 배치 카드를 전부 외우기만 한다면 얼마나 잘할 수 있을까? 이를 시뮬레이션하기 위해 위치 정보만을 이용해 플레이하는 봇을 만들어 볼 겁니다(AI라고 부를 수도 있지만, 이 봇을 만드는 데 LLM/AI를 쓰는 이야기를 할 예정이라 혼동을 피하기 위해 자동화된 코드네임즈 플레이 에이전트는 봇이라고 부르겠습니다).

당시 승리한 추측 이후 우리는 팀원의 형태 기반 추측 아이디어가 맞는지 확인하려고 구성 카드를 살펴봤고, 실제로 맞았습니다. 팀원은 가능한 물리적 배치 중에서 확률이 가장 높은 추측을 정확히 짚어낸 거죠. 각 카드 배치는 어떤 단어가 우리 팀 것이고 어떤 단어가 상대 팀 것인지를 정의하는데, 아마 비용을 줄이기 위해서인지 게임에는 카드가 40장밖에 들어 있지 않습니다(회전까지 고려하면 160가지 구성). 우리 팀원은 카드를 외우지는 않았습니다(외웠다면 가능한 배치가 하나로 좁혀졌을 테니까요). 하지만 게임을 충분히 많이 해서 어떤 패턴이나 뭉침이 흔하고 흔하지 않은지에 대한 감이 생겼고, 그 덕분에 이런 사이드 채널 공격을 떠올릴 수 있었습니다. 예를 들어, 게임을 많이 하다 보면 한 팀이 한 행이나 열에 5개의 단어를 가지는 카드가 없다는 걸 알게 되고, 4개를 한 줄로 가지는 경우는 선공 색깔만 가능하다거나, 그 4개가 가장자리에 있고 파란색이라면 5번째 단어는 반드시 빨간 팀 것이어야 한다거나, 파란 단어 6개가 서로 연결된 배치는 없고(빨간색으로는 하나 있는데, 2개가 일렬로 중앙에 있고 그 옆에 4개가 일렬로 있는 형태) 같은 것들을 알게 됩니다. 이런 정보를 의식적으로 활용하지 않더라도 ‘너무 이상하다’고 느껴지는 특정 패턴에 대해 무의식적인 거부감이 생기게 될 겁니다.

카드 40장을 며칠에 걸쳐 외운 사람을 시뮬레이션하는 봇이라는 아이디어로 돌아와서, 아래에는 그런 플레이어들로 구성된 팀을 시뮬레이션하는 간단한 봇과 직접 겨뤄볼 수 있습니다. 보통 플레이할 때는 힌트를 주고 팀이 단어를 맞히게 하지만, 인간인 당신에게 최대한 유리하도록 비현실적일 정도로 큰 이점을 드리려고 합니다. 즉, 당신이 원하면 팀이 정확히 원하는 칸을 고르도록 만드는 힌트를 필요할 때마다 만들어낼 수 있다고 가정하는데, 이는 당신이 원하는 타일을 클릭하면 팀이 그 타일을 추측하도록 하는 방식으로 시뮬레이션됩니다.

기본적으로 당신은 한 턴에 세 번 추측할 기회가 주어지는데, 이는 제가 본 코드네임즈 플레이어 중 상위 1%보다도 훨씬 잘하는 수준입니다. 실력 있는 플레이어들은 종종 한 턴에 세 개 이상을 맞히기도 하지만, 평균적으로 세 개를 맞히고 오답이 하나도 없는 수준이라면 대부분의 그룹에서는 비정상적으로 잘하는 편입니다. 남은 일치 보드 표시를 켤 수도 있지만, 모든 보드를 외운 인간 플레이어가 된다는 게 어떤 느낌인지 시뮬레이션하고 싶다면 표시를 끈 채로 몇 판을 해보는 것도 좋습니다.

만약 어느 시점에 당신이 턴을 마치고 봇 차례가 되었을 때 가능한 보드가 단 하나뿐이라면, 봇은 자신의 단어를 모두 정확히 맞히고 승리합니다. 봇이 모든 단어를 맞힐 수 있기 전에 미리 추측을 하거나, 탐색 공간을 전략적으로 줄이기 위해 추측을 하거나, 당신이 다음 턴에 이길 것이 확실하다고 판단될 때 가능한 보드들 중에서 무작위로 추측하는 식의 간단한 휴리스틱만 있어도 훨씬 더 강해질 수 있겠지만, 가장 단순한 ‘보드 암기’ 봇을 사용하더라도 남은 일치 보드 표시를 켜고 봇과 같은 정보를 활용하지 않은 모든 코드네임즈 플레이어를 대부분의 게임에서 이길 수 있었습니다¹.

이제 이 질문에 대한 궁금증이 풀렸으니, 저는 이게 사소한 문제이며 게임에 있어 별문제가 아니라고 생각합니다. 단어 추측 게임은 원래 진지하게 하라고 만든 게임이 아니고, 진지하게 하거나 그냥 많이 하기만 해도 대부분 다소 망가지기 때문입니다. 다른 단어 추측 게임, 특히 인기 있는 게임들에 비하면 코드네임즈는 플레이어들이 의식적으로든 무의식적으로든 사이드 채널 공격을 사용하기 전까지 리플레이성이 훨씬 높습니다.

Just One이나 Taboo처럼 단어 수가 제한된 게임에서 일어나는 일은, 사람들이 몇 번만 해도 ‘까다로운’ 단어들에 대한 단어와 연상을 무심코 외워버린다는 것입니다. 코드네임즈는 단순히 선형적인 개수의 단어 연상을 외우는 대신 조합적으로 방대한 단어 연상 집합을 외워야 하도록 함으로써 이 문제를 완화합니다. 우리가 방금 논의한 문제는 코드네임즈를 스무 판 정도 했을 때 발생했고, 사람들이 보드 형태가 플레이에 영향을 미친다는 사실을 깨닫지 못하더라도 무의식적인 수준에서 일어날 가능성이 크지만, 다른 단어 추측 게임에서 발생하는 문제들에 비하면 비교적 미묘한 편입니다. 그리고 이 문제를 정말 신경 쓰는 사람이 있다면 디지털 랜덤 생성기로 보드를 세팅하면 되지만, 저는 코드네임즈를 그 정도로 진지하게 하는 그룹에서 직접 플레이해 본 적은 없습니다.

Josh Bleecher Snyder, David Turner, Won Chun, Laurence Tratt, Heath Borders, Spencer Griffin, Ian Henderson, Yossi Kreinin에게 코멘트/정정/토론에 감사드립니다

부록: 이 글을 위한 코드 작성하기

이 글을 위한 코드를 작성하는 데 두 가지 AI 어시스턴트, Storytell과 Cursor를 써 봤습니다. 프로그래머가 쓰는 방식대로 쓴 게 아니라 프로그래밍을 모르는 사람이 프로그램을 만들 때 쓰는 방식에 가깝게 썼습니다. 전반적으로 AI 어시스턴트는 어떤 작업에서는 놀랍도록 뛰어난 반면 다른 작업에서는 우스꽝스러울 정도로 못합니다. 이번에도 마찬가지였습니다.

기본적으로 저는 AI에게 코드를 작성해 달라고 한 뒤 실행해서 제대로 동작하는지 보고, 무엇이 잘못됐는지 알려준 뒤 코드가 대체로 동작하는 것처럼 보일 때까지 다시 작성하게 했습니다. 이렇게 아주 순진하게, 코드를 이해하려는 시도조차 의도적으로 피하고 동작하는 결과물만 보고 판단하는 방식으로 써도, 아무 도움 없이 직접 처음부터 전부 코딩했을 때보다 작업 시간이 그리 오래 걸리지는 않았습니다. 두 배 정도 걸렸을 거라고 짐작하지만, 프로그래머의 시간 추정은 악명 높게 부정확하니 어쩌면 비슷한 시간이었을지도 모릅니다. 코드가 올바르다는 확신은 제가 직접 작성했을 때보다 훨씬 덜하고, 같은 확신 수준에 도달하려면 꽤 더 많은 시간이 필요할 것 같지만, 이렇게 프롬프트만 던져서 대체로 동작하는 코드를 프로그래머가 코드를 작성하는 데 걸리는 시간보다 그리 많이 더 걸리지 않고 얻을 수 있다는 점은 여전히 꽤 인상적입니다. 이런 도구는 프로그래머를 고용하는 것보다 확실히 훨씬 저렴하고, 프로그래머가 순진한 프롬프터가 아니라 프로그래머로서 이런 도구를 쓴다면 대부분 맞는 버전에서 버그를 직접 고치면 되므로 훨씬 더 빨리 동작하는 결과물을 얻을 수 있을 겁니다. 순진한 방식에서는 프로그래머라면 디버깅해서 고치기 쉬운 버그를 없애 달라고 AI에게 요구하는 문구를 다듬는 데 대부분의 시간을 쓰게 되니까요.

많은 프로그래머들이 “AI는 프로그래머를 대체할 수 없을 것이다. 원하는 대로 동작하도록 프로그램을 충분히 자세하게 명세하는 것 자체가 프로그래밍이다” 같은 이유로 이야기하는 걸 봤습니다. 사용자가 프로그램이 어떻게 동작해야 하는지를 처음부터 정확히 명세해야 한다면 꽤 강력한 비판이겠지만, 우리가 여기서 한 것처럼 사용자가 반복해서 개선할 수 있다면 이 비판은 훨씬 약해집니다. 사용자는 프로그래머일 필요가 없습니다. 출력이 잘못됐다는 걸 관찰한 뒤 AI에게 출력을 고쳐 달라고 요청하고, 결과가 충분히 올바르게 보일 때까지 이 과정을 반복하면 됩니다. 소프트웨어가 엄격한 성능이나 정확성 제약을 가질수록 이런 식의 순진한 반복은 잘 통하지 않습니다. 다행히 오늘날 프로덕션에 있는 대부분의 소프트웨어는 성능과 정확성 제약이 꽤 느슨합니다. 사람들은 기본적으로 소프트웨어에 버그가 많고 일주일에 수백, 수천 개의 버그를 마주하는 게 당연하다고 받아들입니다 그리고 널리 쓰이는 소프트웨어가 고도로 최적화됐을 때보다 10만 배 느린 경우가 흔합니다.

그다지 가깝지 않은 비유로는 AI가 지원 업무에서 인간을 대체할 수 있는지에 대한 논쟁이 있습니다. 이미 그런 일이 벌어지고 있는데도 사람들은 AI가 인간은 저지르지 않는 심각한 실수를 한다며 그런 일은 절대 일어날 수 없다고 주장했습니다. 하지만 이전에 언급했듯이 인간도 똑같은 실수를 자주 합니다. 설령 AI 지원이 훨씬 못하더라도 가성비가 충분히 좋다면 많은 기업은 더 못하지만 더 저렴한 쪽을 선택할 겁니다. 테크 기업들은 모든 종류의 소비자 지원에서 유명하게도 그렇게 해 왔습니다 하지만 우리는 모든 종류의 기업에서 이를 흔히 봅니다. 대기업은 물론이고 동네 작은 가게에 지원 전화를 걸 때도 전화 메뉴나 형편없는 자동 음성 인식 같은 전화 메뉴 대체재로 연결되는 게 꽤 표준이 되었습니다. 이런 것들은 일반적으로 최저임금 직원보다 훨씬 못하지만, 최저임금 직원이 모든 전화를 받아 올바른 부서로 연결하는 것보다 비용이 몇 자릿수나 낮기 때문에 기업은 전화 메뉴를 선택한 겁니다.

관건은 “AI가 일반인이 프로그래머보다 더 나은 소프트웨어를 만들게 해 주는 시점은 언제인가?”가 아니라 “AI가 일반인이 전화 메뉴나 형편없는 음성 인식만큼 좋은 소프트웨어를 만들게 해 주는 시점은 언제인가?”입니다. 그리고 현실적으로 소프트웨어가 그 정도로 좋을 필요도 없습니다. 프로그래머가 최저임금 지원 인력보다 비싼데 이런 도구는 월 20달러면 쓸 수 있으니까요. AI가 유능한 프로그래머를 대체하려면 얼마나 걸릴지 모르겠지만, 최소 기준이 프로그래밍을 전화 자동 메뉴 시스템이 전화를 연결하는 것만큼 잘하는 것이라면, 아직 도달하지 않았다 해도 곧 도달할 것 같습니다. 그리고 고객 지원에서처럼 이게 제로섬일 필요는 없습니다. 전화 메뉴로 절약한 돈이 모두 이익으로 돌아가는 게 아니라 일부는 다른 업무를 처리하는 지원 인력을 고용하는 데 쓰이기도 합니다.

참고로, 제가 겪은 일 중 조금 웃겼던 점은 Storytell과 Cursor 두 플랫폼 모두 자동으로 확인할 수 있었을 틀린 결과를 자주 내놓았고, 제가 결과가 틀렸다고 지적하면 그때 고쳤다는 것입니다. 한 플랫폼과의 전형적인 상호작용은 다음과 같았습니다:

• 나: X를 해주세요
• AI: [타입 체크에 실패하는 TypeScript 코드와 테스트를 생성함]
• 나: 이 코드는 타입 체크가 안 되는데 고쳐줄 수 있나요?
• AI: [테스트를 실행하면 실패하는 코드와 테스트를 생성함]
• 나: 실행하면 테스트가 [복붙한 테스트 실패 메시지]와 함께 실패합니다
• AI: [통과하고 몇 가지 추가적인 기본 테스트에서도 동작하는 것처럼 보이는 코드와 테스트를 생성함]

또 웃겼던 상호작용은 몇 가지 다른 버그가 있을 때 AI에게 하나를 고쳐 달라고 하면 다른 버그들을 다시 일으키는 루프에 빠지는 것이었는데, 다른 버그들을 다시 일으키지 말라고 구체적으로 요청해도 마찬가지였습니다. 이런 종류의 도구를 매일 쓰는 사람들에 비하면 저는 경험이 거의 없습니다(그냥 얼마나 발전했는지 보기 위해 가끔 만져보는 정도) 그래서 프롬프팅 경험이 더 많은 사람이라면 제가 했던 것보다 훨씬 빨리 이런 루프에서 빠져나올 수 있는 프롬프트를 만들 수 있을 거라고 봅니다.

그럼에도 불구하고, 이런 환경 중 하나가 실행 환경에 접근할 수 있어서 이런 종류의 문제를 (고칠 수 있을 때) 자동으로 고치고, “저건 틀렸고 XYZ를 일으켰으니 고쳐주세요”라는 식의 순진한 재프롬프팅으로 문제가 고쳐지지 않을 때 출력이 틀렸다는 걸 알 수 있다면 더 좋은 경험이 될 겁니다.

저보다 이 분야에 훨씬 정통한(기술적으로나 제품 측면으로나) Josh Bleecher Snyder에게 왜 이런 도구가 없고 거의 모든 회사가 그런 환경으로 학습이나 파인튜닝을 하지 않는지 물었더니, 거의 모든 종사자가 씁쓸한 교훈(The Bitter Lesson)을 신봉하고 있어서 이런 평범한 개선에는 손을 대지 않고 있다는 답이 돌아왔습니다. 위와 같은 환경을 구축하는 데 필요한 지루한 엔지니어링 작업은 근본적인 발전에 의해 쓸모없어질 것이므로, 점진적인 이득을 주는 이런 일에 시간을 쓰는 건 낭비라는 생각입니다. Sam Altman은 심지어 OpenAI API에 의존하는 회사 창업자들에게 엄청난 개선이 있을 거라고 가정하고 회사를 만들라고 조언했습니다. 그렇게 하지 않는 회사는 곧 다가올 거대한 개선 때문에 망할 거라는 거죠. 이 분야의 창업자 및 VC들과 이야기해 보면 거의 모두가 이를 마음에 새기고 있습니다.

저는 11년 동안 제대로 된 ML 관련 작업을 해본 적이 없어서 제 의견은 다른 일반인과 다를 바 없지만, GPT-3 시절에 이런 평범한 시스템에 역으로 베팅한 사람이 있었다면 그때 유용했을 것이고 오늘날 모델에서도 여전히 유용할 텐데, 학습/파인튜닝 작업은 물론 사용자를 위한 더 나은 출력을 생성하는 데도 말이죠. 하지만 지금 시점에서 그런 평범한 시스템을 만들려고 시도하는 게 타당한가 하는 게 관건인데, 해당 분야 종사자에게는 발전에 역행하는 베팅이 될 겁니다. 대형 AI 랩에는 라벨링을 하는 저임금 해외 계약자들이 잔뜩 있다지만, 프로그래밍 예제를 라벨링하고 싶다면, 아주 적은 수의 라벨만 원하지 않는 한 정답을 만들어내는 환경이 사람에게 돈을 주고 라벨링하게 하는 것보다 라벨당 비용이 더 저렴할 겁니다. 1조 달러, 혹은 500억 달러 규모의 회사 차원에서는 일종의 포트폴리오 차원에서 그런 베팅을 하는 게 타당해 보입니다. 제가 스타트업을 시작해서 베팅을 하려 한다면 말이 될까요? 모든 걸 한 바구니에 담는 입장에서는 덜 분명할지 모르지만, 그 경우에도 거의 전 분야가 다른 것에 베팅하고 있으니 좋은 근거가 있을지도 모릅니다. 역발상이 맞다면 경쟁이 거의 없는 셈인데, 이는 이전에 논의한 역발상 채용과 다소 유사해 보입니다.

부록: 게임의 정신 vs 승리를 위한 플레이

개인적으로 게임에서 사이드 채널 공격을 마주하거나 Perfect Words처럼 이기려고만 하면 완전히 망가지는 게임을 만나면, 가능한 한 게임을 ‘공격’하지 않으려고 하는 게 맞다고 생각합니다. 코드네임즈에서는 사람들이 무의식적인 연상을 형성하기 때문에 이를 완벽하게 피하는 건 불가능하다고 봅니다(저는 사람들이 첫 턴에 그냥 재미로 단어를 하나 더 맞히려고 하는 걸 봤는데, 생각보다 자주 맞습니다. 부정행위를 하는 게 아니라고 가정하면 — 저는 부정행위가 아니라고 믿습니다 — 성공률이 높은 건 어떤 식으로든 사이드 채널 정보를 사용한다는 걸 강하게 시사합니다. 그게 카드에서 오는 위치 정보일 필요는 없고, 스파이마스터가 무엇을 뚫어지게 보고 있는지를 무의식적으로 알아차리는 것처럼 단순한 것일 수도 있습니다.

Dave Sirlin은 승리를 위해 합법적인 모든 가능성을 활용하지 않는 사람은 호구라고 말합니다(그는 그런 사람들을 비하하여 ‘스크럽(scrub)’이라고 부릅니다)(그는 대회 주최 측이 관행을 금지하지 않는 한 FPS 게임에서 맵핵 같은 치트를 써서라도 이겨야 하며, 대회는 금지된 것을 명시적으로 나열하고 ‘나쁜 짓 하지 말기’ 같은 포괄적인 규칙은 피해야 한다고 말합니다). 저는 사람들이 재미있다고 느끼는 방식으로 게임을 해야 하고 같은 방식으로 게임을 즐기는 그룹을 찾아야 한다고 생각합니다. Dave가 이런 게임들을 이기기 위해 임의의 정보를 외우는 걸 재미있다고 느낀다면 그렇게 해야죠. 제가 Dave Sirlin 식으로 말하자면 스크럽처럼 플레이하는 이유는, 여기서 논의된 종류의 게임들이 진지하게 하면 심하게 망가지고 저는 그 망가지는 방식이 재미있다고 느끼지 않기 때문입니다. Perfect Words 같은 경우 게임이 자명하게 망가져 있어서 자명하게 망가진 게임을 이기는 건 지루하다고 느낍니다. 코드네임즈 같은 경우 몇 시간을 들여 임의의 정보를 외우면 게임을 망가뜨릴 수 있습니다. 저에게는 40가지 코드네임즈 카드를 외우는 데 몇 시간을 쓰는 게 재미없고 비생산적인 시간 낭비처럼 느껴져서 완전히 무의미한 활동입니다.

부록: 좋아할 만한 단어 게임들

단어 추측 게임을 좋아한다면 프로그래밍 책 추천 목록이나 프로그래밍 블로그 추천 목록과 같은 맥락에서 추천할 만한 게임들을 소개합니다. 목표는 무언가가 ‘좋다’ ‘나쁘다’에 대한 것이 아니라 사람들이 좋아하고 싫어하는 경향이 있는 속성들을 짚어주는 것입니다(제가 보는 대부분의 리뷰는 후자에 치우쳐 있습니다). 목록 길이를 제한하기 위해 여기에는 단어의 의미에 관한 단어 추측 게임만 포함하고, 바나그램, 스크래블이나 아나그램처럼 의미보다는 단어를 조작하는 메커니즘에 관한 게임, 혹은 딕싯이나 코드네임즈: 픽처스처럼 시각적 표현과 단어 사이의 매핑에 관한 게임은 포함하지 않습니다.

또한 분량상 이 목록의 모든 혹은 거의 모든 게임에 적용되는 싫어하는 이유들은 다루지 않겠습니다. 예를 들어 누군가는 단어 게임이라서 싫어할 수도 있지만, 모든 게임에 대해 이를 일일이 언급할 필요는 없습니다. 마찬가지로 많은 사람들이 게임의 ‘무게감’을 기준으로 게임을 고르고 거의 모든 단어 게임이 ‘헤비’하지 않고 ‘라이트’하다고 느껴 싫어하지만, 이 게임들은 모두 꽤 라이트하다고 여겨지므로 이를 논할 필요도 없습니다(하지만 가볍고 긴장감 있는 단어 게임을 원한다면 아래 목록에서는 Montage나 Decrypto를, 자세히 다루지 않은 게임 중에서는 스크래블이나 아나그램을 고려해 볼 수 있는데, 후자는 제가 해본 것 중 압도적으로 가장 가혹한 단어 게임입니다).

Taboo

팀원들이 당신이 가진 단어를 맞히도록 빠르게 힌트를 줘야 하는 단어 추측 게임으로, 각 단어마다 힌트를 줄 때 말해서는 안 되는 금지어 5개가 함께 제공됩니다.

재미있고 가벼운 게임이지만, 리플레이성을 낮추는 두 가지 문제가 있습니다:

• 각 단어를 맞히는 과정이 완전히 독립적이기 때문에, 게임 그룹이 덱을 한두 번 돌리고 모두가 모든 단어를 알게 되면 게임이 극도로 쉬워집니다. 제가 처음 플레이했던 그룹에서는 두 번 정도 하자 그렇게 되었습니다
• 그 전에라도 사람들이 어떤 단어든 약간 돌려 말하면 꽤 쉽게 힌트할 수 있다는 걸 깨닫게 되면, 너무 많이 해서 단어를 무심코 기억하기 전이라도 게임이 꽤 기계적으로 느껴집니다

사람들이 이 게임을 싫어하는 이유는 종종 이 빠른 진행의 게임에 시간 압박이 너무 심하다는 것입니다.

Just One

Taboo와 비슷하게 팀이 단어를 맞히게 해야 하는 단어 추측 게임이지만, 맞히고자 하는 단어마다 정적인 금지어 목록이 있는 대신 금지어가 팀에 의해 동적으로 생성됩니다(모두가 한 단어씩 힌트를 주고, 두 번 이상 나온 힌트는 제외됩니다).

금지어들이 팀원과의 상호작용을 통해 생성된다는 점 덕분에 이 게임은 Taboo보다 리플레이성이 훨씬 높습니다. 하지만 제한된 단어 목록은 결국 같은 문제에 부딪히고, 저희 게임 그룹은 20~40번 정도 하자 거의 모든 단어를 알아보게 되고 거의 모든 단어에 대해 좋은 힌트 방법을 갖게 되었습니다.

규칙상의 특이점으로는 게임이 원래 5인 이상을 위해 만들어져 4명이 하면 매우 쉬워진다는 점이지만, 4명이 할 때도 5인용 규칙으로 하면 전혀 문제없이 즐길 수 있습니다.

이 게임에 대한 흔한 불만은 구성품이 가격($30 정가에 비해 코드네임즈는 $20)에 비해 싸고 품질이 낮다는 것입니다. 또 다른 불만은 단어들의 난이도 편차가 극심하고 일부는 우연히 그렇게 된 것처럼 보인다는 점입니다. 예를 들어 ‘grotto(석굴)’라는 단어가 포함되어 있는데, 프랑스어로 개발된 게임이라 프랑스어에서는 힌트 주기가 꽤 쉬울 텐데 영어를 쓰는 사람에게는 힌트 주기가 꽤 어렵습니다.

Perfect Words

팀이 협력해서 힌트를 구성하고, 그 힌트들로부터 모두가 동의하는 단어(사람들이 동의하기만 하면 어떤 임의의 단어든 가능)를 이끌어내는 것이 목표인 단어 추측 게임입니다.

힌트 단어들로부터 어떤 단어를 떠올리게 할지 맞춰보는 핵심 게임은 Just One 같은 반대 성향의 게임과 함께하면 좋은 보완이 되지만, 구현된 규칙은 심하게 결함이 있어 보입니다. 마치 게임 디자이너가 게임을 해보지 않고, 게임을 즐기는 사람들로 하여금 플레이 테스트를 하지도 않은 것 같습니다. 첫 판이나 두 번째 판에 게임을 자명하게 깨뜨리는 건 꽤 쉽고, 게임을 흥미롭게 만들려면 게임의 ‘게임적인’ 부분을 의도적으로 못해야 합니다

Montage

2대2 단어 게임입니다(더 많은 인원이면 코드네임즈처럼 해도 됩니다). 각 팀에서 플레이어들은 번갈아가며 정해진 시간 동안 힌트를 주고 단어를 맞힙니다. 현재 보드 상태에는 단어의 특정 위치에 어떤 글자가 나타나야 하는지에 대한 제약이 있습니다. 힌트를 주는 사람은 추측하는 사람이 제약 안에서 맞는 자신의 단어를 맞히도록 힌트를 만들어야 하지만, 힌트가 너무 뻔하면 두 명의 상대가 모두 힌트 주는 사람의 파트너보다 먼저 단어를 맞혀 그 단어를 가져가게 됩니다.

아마 이 목록에서 가장 어려운 게임일 겁니다. 처음 해보는 대부분의 플레이어는 첫 시도에서 유효한 힌트를 만들어내지 못합니다(실력 있는 플레이어는 파트너가 상대보다 추론을 빨리 따라잡을 수 있다면 한 턴에 최소 5개는 성공적으로 힌트할 수 있을 겁니다). 이 목록에서 어휘력이 가장 크게 보상받는 게임이기도 합니다. 또한 이 목록에서 스크래블처럼 단어의 글자 구성을 생각하는 능력이 유용한 유일한 게임이기도 합니다.

정기적인 파트너와 ‘비밀’ 합의나 공유 지식에 의존하지 않는다면, 추측의 직접적인 대결 구도 덕분에 이 게임은 리플레이성이 매우 높습니다. 적어도 이 목록의 어떤 게임 못지않게 높습니다.

Perfect Words처럼 핵심 단어 게임 자체는 그런 종류를 좋아한다면 재미있지만, 그 핵심을 둘러싸고 설계된 게임 규칙은 그다지 잘 고민되지 않은 것 같고 쉽게 악용될 수 있습니다. Perfect Words만큼 심하지는 않지만, 이 게임을 제대로 즐기려면 여전히 이기려고 애쓰지 않아야 합니다.

제가 봤을 때 사람들이 이 게임을 싫어하는 이유는 보통 너무 어렵다고 느끼거나 지는 걸 싫어하기 때문입니다. 실력 차이가 작아도 결과 차이는 이 목록의 다른 게임들보다 크게 벌어지므로, 처음 하는 플레이어는 상대가 스스로 핸디캡을 주지 않거나(규칙에 내장되어 있지 않습니다) 다른 게임을 해봐서 단어 게임에 능숙하지 않은 한 아주 크게 질 것을 각오해야 합니다. 저는 단어 게임을 많이 하지 않고 특히 스크래블이나 아나그램 같은 ‘진지한’ 단어 게임은 많이 하지 않아서 이 게임을 하면 보통 크게 지는데, 그게 저에게는 매력의 일부이지만 많은 사람들이 바로 그 점을 싫어합니다.

Word Blur

앞에 펼쳐진 900개의 작은 단어 타일로 힌트를 만들어야 한다는 제약이 있는 단어 추측 게임입니다.

주변에서 구한 사람을 못 찾아 몇 번밖에 해보지 못했지만, 적어도 이 목록의 어떤 게임 못지않게 리플레이성이 높아 보였습니다. 이 게임의 가장 큰 단점은 10년 넘게 절판되어 구하기가 악명 높게 어렵다는 점입니다. 복제본을 만드는 게 그리 어렵지는 않을 것 같지만요.

사람들이 이 게임을 싫어하는 이유는 종종 많은 단어 타일을 보고 그걸로 설명을 만들어야 하는 핵심 게임 메커니즘을 부담스러워하기 때문인 것 같습니다.

Word Blur가 너무 벅차다고 느끼는 사람들은 짝퉁인 Word Slam을 해볼 수 있는데, 이쪽이 더 쉽고 컬트적인 인기가 덜해서 구하기도 더 쉽습니다(그래도 절판된 것으로 보입니다). Word Slam은 단어가 105개뿐이고 단어들이 정렬되어 있어 훨씬 덜 혼란스럽습니다.

코드네임즈

본문에 있는 내용 외에는 덧붙일 말이 많지 않지만, 사람들이 이 게임을 싫어하는 흔한 이유를 덧붙입니다.

목소리 큰 한 사람이 각 팀에서 게임을 장악할 수 있는데, 이 목록의 다른 어떤 게임보다 그 정도가 심합니다(Codenames: Duet 제외). 그리고 게임에 타이머가 들어 있긴 하지만 거의 쓰이지 않고(규칙상으로도 타이머를 쓰지 말라는 뉘앙스입니다) 그래서 흔한 불만 중 하나는 한 턴을 오래 끄는 사람들과 하면 게임이 끝없이 늘어진다는 것이고, 스파이마스터가 아니라면 상대 팀 차례일 때 할 만한 유용한 일이 별로 없어 게임에 지루한 공백이 길게 생긴다는 것입니다.

Codenames: Duet

2인용 협력 버전의 코드네임즈로 설계되었지만, 저는 항상 2명보다 많은 인원(보통 4~5명)으로 플레이해 왔고, 토론을 반쯤 비밀스럽게 해야 한다는 점만 감안하면 잘 작동합니다.

리플레이성 측면에서 Codenames: Duet은 장단점이 거의 비슷한 코드네임즈와 비슷한 위치에 있습니다.

Decrypto

이 게임에 대해 직접 설명하려는 모든 시도가 새로운 플레이어에게는 한두 라운드 해보기 전까지 와닿지 않는 걸 봤기 때문에 설명을 시도하지 않겠습니다. 하지만 개념적으로는 각 팀이 번갈아가며 힌트를 주고, 자기 팀원은 어떤 힌트가 어떤 단어에 해당하는지 정확히 맞히고 상대 팀은 맞히지 못하게 하는 것이 목표입니다. 맞히는 팀은 단어가 무엇인지 안다는 추가 정보가 있어서 올바른 매핑을 만들어내기가 더 쉽습니다. 하지만 맞히는 팀이 만든 매핑 집합은 ‘해독’하는 팀에게도 공개되므로, 그들은 미스터리 단어가 ‘링컨’과 ‘모자 장수’로 힌트되었다는 걸 알 수 있고, 이를 통해 단어가 ‘모자’임을 추론해 다음 힌트에서 매핑을 정확히 맞힐 수 있습니다.

이 게임을 얼마나 자주 해봐야 리플레이성이 어느 정도인지 알 수 있을 만큼 충분히 해보지 못했습니다. 아주 높을 수도 있고 사람들이 ‘해독’ 팀이 매핑을 알아내기 거의 불가능하게 만드는 요령을 알아낼 수도 있습니다. 제가 본 한 가지 큰 단점은 무작위 그룹으로 플레이할 때 게임이 자주 더 약한 플레이어가 속한 팀에 의해 결정된다는 것입니다(무작위 그룹으로 하는 걸 볼 때마다 그랬습니다). 이는 많은 팀 및 협력 게임이 가진, 가장 강한 플레이어가 게임을 장악하는 문제와는 정반대입니다. 뛰어난 플레이어가 게임을 승리로 이끄는 수를 두기는 어렵지만, 못한 플레이어가 게임을 패배로 이끄는 수는 쉽게 둘 수 있으므로, 비전문 플레이어들로 플레이할 때는 가장 못한 플레이어가 속한 팀이 지게 됩니다.

Person Do Thing

David Turner는 이렇게 말합니다:

Person Do Thing은 Taboo와 비슷하지만, 금지어 목록 대신 허용 단어 목록이 있습니다. 40개의 기본 단어는 항상 허용되고, (원한다면) 각 비밀 단어마다 세 개의 추가 허용 단어가 있습니다. Taboo처럼 출제자가 추측에 반응할 수 있지만 — 허용된 단어만 사용해서요. 허용된 단어가 너무 적기 때문에 좋은 힌트를 주려면 많은 창의성이 필요합니다.. 몇 번 해볼 만한 가치는 있지만 제가 마지막으로 확인했을 때 단어 목록이 아주 작았습니다.

한 그룹이 많이 플레이하면 관습이 생길 수도 있겠죠, 예를 들어 “사람이지만 크게 생각하지 않는 것”을 “동물”에 대한 관습으로 쓰는 식으로요. Concept에서도 이런 일이 일어나는 걸 들었습니다. 한 그룹은 빨강, 하양, 파랑, 장소가 그 국기 색을 가진 나라를 가리키고 추가 수식어가 어느 나라인지를 지정한다는 관습이 있었습니다. 영국은 물, 러시아는 추위, 프랑스는 음식, 미국은 총 같은 식으로요. 이런 관습이 꽤 많이 생겨야 게임이 눈에 띄게 쉬워질 거라고 생각합니다.

Semantle

word2vec에 따른 단어 의미에 관한 워들 같은 게임입니다. 원래 솔리테어 게임으로 설계되었지만 협력 게임으로도 잘 작동합니다.

이 게임을 계속 반복해서 즐기는 사람들도 분명 있겠지만, 대부분의 사람들에게는 리플레이성이 꽤 낮다고 느낍니다(그리고 제가 아는 거의 아무도 이 게임을 40판 넘게 하지 않았으니 제 느낌이 흔한 것 같습니다). 한동안 플레이해서 탐색 공간을 빠르게 좁히는 단어들을 추측하는 방법을 알게 되면 게임이 좀 기계적으로 느껴지기 시작합니다.

제가 이야기해 본 이 게임을 좋아하지 않는 대부분의 사람들은 무슨 일이 일어나고 있는지에 대한 멘탈 모델을 만들지 못해서 단어 유사도 점수가 무작위한 헛소리처럼 느껴졌기 때문에 싫어했습니다.